互联网对 Figure AI 的仿人机器人处理包裹爱不释手
一句话看懂：Figure AI 通过直播展示其 Figure 03 仿人机器人连续多日自主分拣包裹，甚至与人类实习生同场竞技，引发广泛关注。这场促销式演示揭示了当前仿人机器人在自主工作能力上的突破与局限，也为机器人商业化进程提供了真实的参考样本。
事件核心：发生了什么
5月13日起，Figure AI 在其直播中部署了多台 Figure 03 仿人机器人，执行扫描包裹条码并将其放置到传送带上的任务。机器人依靠公司自研的 Helix 02 神经网络系统实现全身控制和“长周期自主”（Long Horizon Autonomy），该系统完全在机器人本地硬件上运行推理，无需云端计算。最初计划 8 小时的演示，因运行顺利转为 24/7 不间断直播。截至 5 月 15 日，机器人已实现 48 小时无故障连续运行。5 月 17 日，Figure AI 发起“人机对决”：实习生 Aimé Gérard 与机器人同台比拼 10 小时。最终，Gérard 以 12,924 个包裹的处理量，略胜于机器人团队的 12,732 个包裹，但他需按加州劳动法规定休带薪假，而机器人则持续无休作业。
为什么重要
这是仿人机器人领域少有的、公开且持续数日的真实任务演示。它验证了 Helix 02 系统在长时间自主运作、多机协作（机器人可自主请求换班充电）以及端侧推理方面的可行性。相比于此前多数机器人演示仅持续数小时或依赖预设环境，Figure 的直播用更高的人工监督成本换来了更透明的能力展示。尽管人类在精细速度上仍然占优，但机器人的连续作业能力和“无休换班”模式，为物流、仓储等重复性劳动场景提供了一条可量化的替代路径。同时，预测市场 Polymarket 对机器人运行时长和包裹量的投注，也折射出公众对这一领域商业化进展的高度关注。
对用户/开发者/创作者的影响
对于物流行业从业者和企业采购方，Figure AI 的演示提供了实际节拍数据与无人化运营的可能性——尽管单位效率目前略低于人类，但 24/7 运作模式在人员管理、班次调度上可大幅降低成本。对 AI 工程师和机器人开发者而言，Helix 02 对超过 1000 小时人类动作数据以及 20 万个并行仿真环境的依赖，暗示着 sim-to-real（仿真到现实）训练范式的有效性与数据门槛。对于内容创作者和科技媒体，这场直播本身也成为了一个实验性内容营销案例：通过给机器人取名、卖周边T恤、对赌活动等方式，在评测之外以娱乐化形式降低了机器人技术的传播门槛。不能忽视的是，即便已实现 48 小时无故障，机器人在抓取失败、空挥等精细操作上仍时有失误，表明当前能力窗口狭窄，不建议直接对标电视剧中的人工智能体。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Figure 是否会在公开数据基础上发布更严格的端到端性能指标，例如单位时间吞吐率、故障恢复时间、可回收包裹比例等，这直接影响到物流企业的采购信心。第二，Helix 02 系统是否计划向外部开发者开放接口或 API，如果开放，将可能催生仿人机器人的应用生态。第三，本次演示尚未涉及复杂仓内导航、SKU 多样性以及异形包裹处理，后续直播是否会扩展应用场景值得长期追踪。
